Amazon 面经 2026：终面全流程拆解——轮次结构、高频真题、BQ 框架与 AI 新考点

💡 核心要点 (Key Takeaways)

• 2026 年 Amazon NG 面试的 5 个变化：组招取代 general hiring、三轮变四轮、Coding 业务场景化、AI 使用成为高频话题、LP 追问更具体。
• VO 四轮 = 3 轮 hiring team（30 分钟 BQ + 30 分钟 Coding）+ 1 轮 Bar Raiser（全程 BQ，约 45 分钟），结果一般一周内出。
• 2026 业务场景 Coding 题（Promotion Eligibility / Vendor Contract / Return Request）基础版都是 HashMap/HashSet 组合，真正的分水岭在 follow-up。
• BQ 高频映射：技术分歧→Disagree and Commit、越权解决问题→Ownership、失败题→几乎每轮必问、赢得信任→Earn Trust、效率改进→Invent and Simplify、紧迫交付→Deliver Results。
• Bar Raiser 独立于 hiring team 且有否决权，全程深挖 3 个故事、每个 10 分钟以上——它验证的是你做事的方式，不是技术能力。
• 14 天冲刺：故事库 2 天 → BQ 口语 2 天 → 业务场景题 3 天 → follow-up 专项 2 天 → 自检 2 天 → AI 题 1 天 → mock 1 天 → 缓冲 1 天。

先说结论：2026 年 Amazon 面试的 5 个变化

Amazon 面试的骨架没变，但 2026 年的考察重点和两年前已经不一样了。这篇文章基于两轮真实候选人面经（2025 年 7 月 SDE NG 三轮、2026 年 6 月 26ng 四轮）和公开可查的 Amazon 面试机制整理，各团队和地区结构会有出入，以实际收到的通知为准。

• 组招取代 general hiring：去年很多岗位是 general hiring，面完再决定去哪个组；今年基本是组招，面试官大多直接来自目标 team。
• 三轮变四轮：2026 年 NG 的 VO 普遍是 4 轮，其中 3 轮来自 hiring team、1 轮是 Bar Raiser，BR 的存在感明显增强。
• Coding 题业务场景化：题目越来越像真实业务系统的包装（活动资格服务、供应商合同注册表、退货处理系统），一眼能认出原题的高频题变少了，纯刷题的收益下降。
• AI 使用成为高频话题：去年几乎没人关心候选人平时怎么用 AI，今年很多面试官会主动聊 Cursor、Claude、ChatGPT，以及如何验证 AI 生成代码的正确性。
• LP 考察更具体：面试官不再满足于听到一个故事，而是追问决策过程、衡量数据，以及「如果当时证明你错了怎么办」。

流程总览：投递、OA、VO 到 offer

SDE NG 主线一般是：简历筛选 → HackerRank OA → VO（loop）→ 一周内出结果 → offer。两种轮次结构在真实面经里都出现过：2025 年有三轮制（一轮纯 Coding、一轮纯 BQ、一轮混合），2026 年普遍是四轮，以实际收到的邀请为准。

组招模式下，简历阶段就已经匹配到具体 team，后面所有面试官基本都来自这个 team。这意味着两件事：面试内容和团队实际业务靠得更近，你投递前值得花时间研究目标 team 在做什么；同时「面试官就是未来的同事」，对团队业务的了解本身就是加分项。

社招 SDE 通常可以跳过 OA，简历通过 recruiter 初筛后直接进 VO。OA 的题量、时长和地区差异，以及从 OA 到 offer 的完整时间线，见 Amazon 2026 New Grad 全流程时间线。

VO 四轮结构：三轮 team + 一轮 Bar Raiser

2026 年 6 月的一位 26ng 候选人，四轮 VO 可能一天完成，也可能拆成两天。每轮技术面试的节奏比较固定：半小时 BQ + 半小时 Coding；Bar Raiser 轮则大概率全程 BQ，约 45 分钟。对照两轮真实面经，各轮大致长这样：

• R1（team）：面试官来自目标组（该候选人遇到的是做广告平台的 SDE）。BQ 问「主动发现项目风险并推动解决」和「与 teammate 的技术分歧」；Coding 是 Promotion Eligibility Service。
• R2（team）：BQ 围绕 Deliver Results——时间极紧但最终成功上线的项目，追问集中在决策过程；Coding 是 Vendor Contract Registry。
• R3（Bar Raiser）：全程 BQ、约 45 分钟、完全没有 Coding。三个故事——影响最大的项目、一次失败、一次 Ownership——每个被连续深挖 10 分钟以上。
• R4（team）：BQ 问快速学习新技术、需求重大变化后如何调整计划；Coding 是 Return Request Processing System；结束 Coding 后专门聊了 10 分钟 AI 使用。

Coding：业务场景题怎么解（3 道真题拆解 + 四步法）

把 2025-2026 两轮面经里的 5 道 Coding 放在一起看，规律很明显：题目包装成业务系统，但底层工具高度重复。

2026 年的三道业务场景题：Promotion Eligibility Service（用户加入/退出促销活动、查询当前参与哪些活动、统计活动覆盖用户数）；Vendor Contract Registry（新增/删除/更新合同、查询某供应商当前有效合同数）；Return Request Processing System（创建/取消退货单、查询历史退货记录、统计未处理退货数）。三题基础版本都是 HashMap + HashSet 的组合，真正的分水岭在 follow-up：活动数量达到几十万怎么办、如何实时显示参与人数前十、如何避免同一用户被重复加入；如何快速找到 30 天内到期的合同、自动续约怎么处理、多人同时修改同一合同如何保证一致性。那位候选人提到，面试官对代码实现看得不算特别细，反而花了很多时间讨论数据结构选型和复杂度分析。

2025 年的三轮里则是两道经典题加一道变种：Valid Palindrome II（双指针 + helper 处理边界，面试官追问空串和单字符 corner case）、Insert Interval 变种（线性遍历：先加之前的区间、merge 重叠的、append 剩下的；被追问为什么不用 binary search）、括号展开（a2(bc)3(d) 用两个栈：片段栈 + 倍率栈，要处理多位数字和空串）。更多 Amazon 高频 Coding 题和完整 LP 清单见 Amazon SWE 高频题库。

无论题目怎么包装，解法可以固定成四步：

• 第 1 步：复述需求，确认边界。把业务描述翻译成明确的输入输出，问清楚重复、并发、规模这些边界——这一步省掉后面大量返工。
• 第 2 步：先写基础版本。别一上来就优化。HashMap/HashSet 组合覆盖了 2026 面经里全部三题的基础版，先让它正确，再让它快。
• 第 3 步：主动列 edge case 和 test case。空输入、单元素、重复加入、边界时间——有候选人因为提前写好 test case 覆盖到 corner case，获得了面试官明确的好感。
• 第 4 步：逐条讨论 follow-up。规模扩大、实时统计、并发一致性——每个 follow-up 都给出方案 + 复杂度 + 取舍。面试官要的是你讨论 trade-off 的过程，不是一次就写对。

BQ 与 LP：高频问题映射 + 回答框架

Amazon 有 16 个公开的 Leadership Principles，但 NG 面经里反复出现的是其中少数几个：Ownership、Dive Deep、Earn Trust、Invent and Simplify、Deliver Results，以及几乎每轮都会问的失败题。BQ 不是讲故事比赛——面试官要的是你能不能用结构化的方式解释自己的选择、行为和判断，STAR + 数据支撑比项目本身多牛更重要。

把两轮真实面经里的高频 BQ 按「问题 → 考察点 → 追问方式」拆开：

• 「和 teammate/manager 有过分歧」→ Disagree and Commit：讲上线时间争议或技术分歧。面试官在意你是否真的听取对方意见、有没有 collaborative behavior；2026 年的追问更狠：双方方案各自的优缺点是什么、如果最终证明你错了会怎么处理。
• 「解决一个不属于你职责范围的问题」→ Ownership：经典追问是「Did you ask for permission, or did you just take initiative?」——先沟通清楚问题、再主动接管，是符合预期的答案方向。
• 「一次失败经历」→ 几乎每轮必问：Amazon 看重你怎么面对问题，而不是你能不能把它包装成不算失败。准备复盘过程（retrospective + action items）；BR 轮还会追问为什么当时没提前发现、团队有没有不同意见、事后具体改了什么。
• 「让怀疑你的人信任你的技术判断」→ Earn Trust：常见追问「What would you do if they still disagreed?」，答「align on the outcome instead of implementation」这类方向是加分的。
• 「你设计的什么提升了团队效率」→ Invent and Simplify：核心追问是「How did you measure the effectiveness?」，要给出手动流程 vs 自动化流程的时间对比数据。
• 「时间极紧但成功上线」→ Deliver Results：面试官不太关注项目本身，一直追问决策过程：为什么优先做某些功能、为什么放弃另一些、如果时间再少一半会怎么办。
• 「快速学习新技术并交付」/「需求大变后如何调整计划」→ Learn Agility / Deliver Results：前者要讲清楚学习路径和交付节点，后者要展示你如何重新排优先级。

Bar Raiser 轮：它在验证什么

Bar Raiser 是 Amazon loop 里唯一不来自 hiring team 的独立角色：它的职责是保证 hiring bar 不被降低，有独立的评估权，可以否决一个 hiring team 想要的候选人（公开机制，veto）。2026 年的面经里，BR 轮的形态非常一致：全程 BQ、约 45 分钟、完全没有 Coding，三个故事——影响最大的项目、一次失败、一次 Ownership——每个被连续深挖 10 分钟以上。那位候选人的整体感受是：这一轮更像在验证你过去做事情的方式，而不是验证技术能力。深挖的典型路径：

• 失败经历：不止问失败原因，还问为什么当时没有提前发现问题、团队有没有提出过不同意见、事后具体采取了哪些改进措施。
• Ownership：不断追问哪些工作原本不属于你的职责范围、为什么决定主动承担。
• 影响最大的项目：同样被连续深挖 10 分钟以上——故事厚度（背景、你的角色、量化的结果、没有你会怎样）决定这一轮的上限。

AI 使用题：2026 年新增的考察维度

这是 2026 面经里最明显的「新东西」：去年几乎没人关心候选人平时怎么用 AI，今年它成了高频话题。2026 年 6 月那位候选人在最后一轮 Coding 结束后，被专门聊了 10 分钟 AI；2025 年的面经里完全没有这个环节。问法集中在三类。注意一个矛盾点：VO 是 live coding，面试本身不允许用 AI，所以这一题考的不是「你会不会用 AI」，而是你对 AI 产出保持怀疑和验证的工程习惯。回答里出现「我依赖 AI 写代码」是减分的。

• 「你平时用 Cursor / Claude / ChatGPT 吗？」——考察你是否了解当前工程实践。诚实回答即可，没人期待一个 2026 年的工程师说自己完全不用。
• 「AI 给了一段复杂代码，你怎么验证正确性？」——这是核心。好的回答要具体：逐行读关键路径、自己写 test case（尤其是 edge case）、对可疑逻辑手动推演、用 diff 看 AI 改了哪里，而不是整体吞下。
• 「有没有遇到 AI 方案看起来合理、实际有逻辑漏洞的情况？」——准备一个真实的排查故事：现象、怎么定位、根因是什么、之后你改了什么习惯。

NG 和社招的差别

同一个 Amazon，NG 和社招的面试差别不小，准备重点不同：

• 入口：NG 走 OA（HackerRank）进 VO；社招 SDE 通常简历通过 recruiter 初筛后直接进 VO，没有 OA（个别岗位例外）。
• Coding 难度与范围：NG 以 medium 难度为主，基础数据结构组合题居多；社招题目更贴近真实系统的边界，追问会延伸到性能、一致性、可观测性。
• System Design：NG 基本不考独立的 System Design 轮；社招中高级会有专门的 System Design 轮。
• BQ 期待：NG 用学生项目和实习经历就够；社招期待「有影响力的结果」——带过多少人、影响多大范围、如何推动跨团队决策。
• 组招影响：社招同样受益于组招——面试官来自目标 team，投递前研究团队业务方向能明显加分。

常见挂因（2026 版）

把两轮面经里的考察点和候选人普遍的失败模式对照，2026 年最常见的挂因是这六个：

• BQ 只讲故事、没有结构：没有 STAR、没有数据，被三层追问（为什么、如果错了、怎么衡量）就断片。
• Coding 只交基础版：follow-up（几十万规模、实时统计、并发一致性）没有接住——而这正是面试官花最多时间讨论的部分。
• 没有主动 edge case / test case：写完好等面试官提示，corner case 全靠对方问。
• 说不清数据结构选型和复杂度：「为什么用 HashMap 不用别的」「为什么不用 binary search」这类问题答不上来。
• AI 题回避或硬凹：说「完全不用 AI」不符合 2026 的工程现实；说「全靠 AI 写」又和 live coding 的考察前提冲突。
• BR 轮故事太薄：每个故事准备不到三层追问的厚度，45 分钟的深挖直接见底。

14 天冲刺计划

假设你两周后开始 VO，按优先级排的准备计划如下。核心原则：BQ 和 Coding 各占一半时间，最后两天必须留给 mock 和状态调整，不再学新东西。

• D1-D2：故事库。用 STAR 整理 6-8 个故事，覆盖 Ownership / Dive Deep / Earn Trust / Invent and Simplify / Deliver Results / 失败 / 学习 / 分歧，每个故事写出三层追问的答案。
• D3-D4：BQ 口语。每个故事英文口述一遍并录音回听，重点砍掉口头禅和超过 3 分钟的冗长段落。
• D5-D7：业务场景 Coding。用本文四步法做 3 道真题（Promotion Eligibility / Vendor Contract / Return Request），每天 1 题，做完逐条过 follow-up。
• D8-D9：Follow-up 专项。给做过的每题补三类追问：规模扩大（几十万/几百万）、实时性（top N、计数）、并发一致性（同时修改）。
• D10-D11：自检与复杂度。重做 D5-D7 的题，重点练 edge case 枚举、test case 设计和复杂度分析（时间 + 空间，以及取舍）。
• D12：AI 题演练。把三类问法各答一遍，准备 1 个真实的「AI 方案有漏洞、我发现了」的排查故事。
• D13：Mock。做一轮完整 VO 模拟（30 分钟 BQ + 30 分钟 Coding 的节奏），录音复盘，重点看 follow-up 接没接住。
• D14：缓冲日。检查设备、日程、时区，早睡。不学新东西。

FAQ：7 个高频问题

Q1：Amazon 面试整体要多久？
NG 从 OA 到 VO 结果常见 4 周左右，也有 3 个月的慢案例；VO 结束后一般一周内出结果（因团队和地区而异）。

Q2：VO 是几轮？
2026 年 NG 以 4 轮为主（3 轮 hiring team + 1 轮 Bar Raiser），可以一天完成也可以拆两天；2025 年还有 3 轮制，以实际邀请为准。

Q3：Coding 题是什么难度？
以 medium 为主，业务场景包装，底层多为 HashMap/HashSet 组合；难点不在单题，而在 follow-up 的规模、实时性和并发追问。

Q4：LP 故事要准备多少个？
6-8 个，覆盖高频 LP（Ownership、Dive Deep、Earn Trust、Invent and Simplify、Deliver Results 和失败题），每个练到能接住三层追问。

Q5：社招还有 OA 吗？
SDE 社招通常没有 OA，简历初筛后直接进 VO；NG 和 Intern 走 OA（HackerRank）。个别岗位可能例外。

Q6：被拒之后能再投吗？
Amazon 通常允许 6 个月后再投同一岗位线；被拒后建议先复盘挂因，再决定下一轮的准备重点。

Q7：网上的 Amazon 面经（比如一亩三分地）怎么高效看？
按「年份 + 级别 + 岗位」筛选，只精读 2-3 篇结构完整的：提取每轮考了什么题、面试官追问了什么、挂在哪一轮。面经是个例，轮次结构以 2-3 篇的共识为准，别被单篇带偏。